Aktuelle intelligente Objekte werden hauptsächlich über Sprache oder mobile Geräte gesteuert. Intelligente Werkzeuge erfordern jedoch eine nahtlose Interaktion, die die Bedienung des Werkzeugs nicht beeinflusst. Berührungsinteraktion ist die natürliche Alternative, da keine zusätzlichen Geräte erforderlich sind. Insbesondere Berührungsgesten hier sind vielversprechend.Die Forschung zur Gesteninteraktion beruht größtenteils auf der Gestaltung von Gesten durch Elicitation Studies. Herkömmliche mobile Geräte sind so konzipiert, dass sie während des Gebrauchs auf natürliche Weise gehalten werden können. Ihre Vorderseite ist für Berührungsinteraktionen reserviert, die Seiten und Rückseite jedoch für deren sicheren Griff. Die Oberfläche intelligenter Werkzeuge kann nicht in solche diskreten Bereiche unterteilt werden, da Griffbereich und Nutzungsschnittstelle nah beieinander liegen. Bei Gesten für intelligente Werkzeuge steigt somit die Bedeutung des Midas-Touch-Problems, um zwischen Halten des Werkzeugs und deren Bedienung zu unterscheiden.Gegenwärtige Methoden zum Entwerfen von Gesten berücksichtigen nicht, ob die Gesten sich vom Halten des Geräts unterscheiden. Ziel dieses Projekts ist es daher, Methoden zum Entwerfen berührungsbasierter Gesten für intelligente Werkzeuge zu entwickeln, indem die Unterscheidbarkeit von expliziter Interaktion und natürlichem Erfassen sowie die Erkennbarkeit von Gesten tief in den Entwurfsprozess integriert werden. Wir werden die etablierte Elicitation Studies erweitern, indem wir eine Diskriminierbarkeits- und eine Erkennbarkeitsbewertung einführen. Die Diskriminierbarkeitsbewertung beschreibt, wie gut eine Geste vom natürlichen Halten und Verwenden eines Geräts unterschieden werden kann. Die Erkennbarkeitsbewertung beschreibt, wie gut eine Geste erkannt werden kann. Die Bewertungen können leicht mit dem aktuell verwendeten Agreement Score kombiniert werden. Dadurch werden wir in der Lage sein, Gesten zu entwerfen, die nicht von Midas Touch beeinflusst werden und dadurch wirklich benutzbar sind.Wir werden die neue Methode demonstrieren, indem wir Gesten für drei exemplarische Werkzeuge, eine Bohrmaschine, einen Akku-Schraubendreher und einen Werkzeugschleifer, entwerfen. Nachdem die drei Gerätetypen prototypisch mit kapazitiven Sensoren ausgestattet wurden, werden wir hiermit Berührungsdaten beim natürlichen Halten und Verwenden der Werkzeuge sammeln. Der gesammelte Datensatz zeigt Gestenüberschneidungen mit natürlicher Interaktion und lässt dadurch eine Diskriminierbarkeits- und Erkennbarkeitsbewertung für eine bestimmte Geste ableiten. Wir werden Elicitation Studies unter Einbeziehung der Scores durchführen und die resultierenden Gestensätze bewerten. Indem wir die Gesten der herkömmliche und unserer Methode vergleichen, weisen wir eine verbesserte Gestaltungsmethode für Gesteninteraktionen für intelligente Werkzeugenmittels unserer Methode nach.
